猫VS狗分类器 需要最新版本的Matlab（R2017b）才能运行此文件夹中的代码。 为了设置“猫与狗”数据集，您必须将数据集划分为两个标记为“ cat”和“ dog”的子文件夹，并在其各自的图片中带有Kaggle Training文件夹。 您还必须检查以确保图像数据存储库是从正确的目录中提取的。 ALEXNET.m和VGG19.m是此文件夹中的主要代码文件，用于设置和训练各自的模型。 该文件夹是用于Oge Marques的CAP 4630-003：FAU的人工智能简介的存储库。 版权所有。

VGG-19 Pre-trained Model for Keras. VGG-19 Keras的预训练模型。 imagenet_class_index.json vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5 vgg19_weights_tf_dim_ordering_tf_kernels.h5

使用深度学习的入侵检测系统 使用ISCX 2012 IDS数据集训练的VGG-19深度学习模型 框架和API Tensorflow-GPU 凯拉斯 NVIDIA CUDA工具包9.0 NVIDIA cuDNN 7.0 工具类 Anaconda（Python 3.6） 药香 如何使用 从链接下载ISCX 2012数据集 然后运行名为ISCX FlowMeter的Java程序，该程序可在GitHub上找到。 您可以为此使用任何IDE （如果这不能将.PCAP转换为.XML，请尝试以下操作） 接下来，我要确保您的系统能够运行深度学习软件。 要进行检查，可以按照我创建的本指南进行操作：

用vgg-19对指定路径下的图像进行分类并识别得到分类结果